摘要：对大数据网络信息系统的数据缺失的有效检测，能够提升对大数据分析的完整性和全面性。对数据缺失值的检测，需要提取每个数据属性的深度特征，进行缺失值的预测，完成对数据缺失值进行检测。传统方法度量不同数据缺失样本的相关性．构造数据缺失样本的相似度矩阵，但忽略了对缺失值进行预测，导致检测精度低。提出基于支持向量机的大数据网络信息系统数据缺失值检测方法。融合于深度学习理论将检测自动编码机定义为基础模块，从完整数据子集中提取不完全数据集中每个数据属性的深度特征，利用支持向量机方法，将缺失值检测划分为连续、类别属性缺失值检测两种情况，进行缺失值的预测，并完成了对大数据网络信息系统数据缺失值的检测。仿真证明，所提方法检测精度高，能够有效检测缺失数据。